Dataset Previews
First, initialize by adding tools and declare floating type
using GriddingMachine
using Plots
using Plots.PlotMeasures
ENV["GKSwstype"]="100";
FT = Float32;
predownload_artifact.(["GPP_MPI_v006_1X_8D", "GPP_VPM_v20_1X_8D",
"NPP_MODIS_1X_1Y", "canopy_height_20X_1Y",
"clumping_index_12X_1Y", "clumping_index_2X_1Y_PFT",
"land_mask_ERA5_4X_1Y", "leaf_area_index_4X_1M",
"leaf_chlorophyll_2X_7D", "leaf_traits_2X_1Y",
"river_maps_4X_1Y", "surface_data_2X_1Y",
"tree_density_12X_1Y"]);#=#=#
##O#- #
##O=# #
#=#=-# #
-#O#- # #
-=#=# # #
-=O#- # # #
0.0%
0.1%
0.3%
1.1%
### 4.2%
######### 13.6%
################ 23.4%
####################### 32.7%
############################## 42.3%
##################################### 51.8%
############################################ 61.3%
################################################### 70.9%
######################################################### 80.5%
############################################################### 87.7%
################################################################# 91.1%
######################################################################## 100.0%
#=#=#
##O#- #
##O=# #
#=#=-# #
-#O#- # #
0.0%
0.1%
0.3%
1.0%
## 3.5%
######### 12.7%
################# 24.3%
######################### 35.9%
################################# 46.7%
######################################### 57.8%
################################################# 68.6%
######################################################### 79.4%
################################################################# 90.3%
######################################################################## 100.0%
#=#=#
##O#- #
##O=# #
#=#=-# #
-#O#- # #
###################### 30.9%
######################################################################## 100.0%
#=#=#
##O#- #
##O=# #
#=#=-# #
-#O#- # #
0.4%
# 1.8%
#### 6.8%
################### 27.4%
######################################################################## 100.0%
#=#=#
##O#- #
##O=# #
#=#=-# #
-#O#- # #
-=#=# # #
0.6%
##### 7.4%
######## 11.9%
######################## 33.8%
######################################################################## 100.0%
#=#=#
##O#- #
##O=# #
#=#=-# #
-#O#- # #
-=#=# # #
-=O#- # # #
1.2%
####### 10.3%
#################### 28.2%
######################################################################## 100.0%
#=#=#
##O#- #
##O=# #
#=#=-# #
-#O#- # #
## 3.0%
########## 14.2%
######################## 33.8%
###################################################################### 98.1%
######################################################################## 100.0%
#=#=#
##O#- #
##O=# #
#=#=-# #
-#O#- # #
0.2%
0.7%
## 3.3%
######### 12.8%
################################### 50.0%
################################################################# 91.5%
######################################################################## 100.0%
#=#=#
##O#- #
##O=# #
#=#=-# #
-#O#- # #
0.2%
1.2%
## 3.3%
######## 12.4%
################################## 47.9%
######################################################################## 100.0%
#=#=#
##O#- #
##O=# #
#=#=-# #
-#O#- # #
1.0%
### 4.9%
########## 15.1%
######################################## 56.3%
######################################################################## 100.0%
#=#=#
##O#- #
##O=# #
#=#=-# #
-#O#- # #
0.3%
# 1.5%
## 3.6%
####### 10.4%
########################### 38.2%
######################################################################## 100.0%
#=#=#
##O#- #
##O=# #
#=#=-# #
-#O#- # #
0.0%
0.1%
0.3%
1.0%
## 4.1%
##### 7.7%
######### 12.9%
############ 16.9%
############### 22.2%
################## 25.7%
##################### 29.2%
####################### 32.8%
########################## 36.4%
############################ 40.1%
############################### 43.8%
################################## 47.5%
#################################### 51.1%
####################################### 54.8%
########################################## 58.6%
############################################ 62.5%
############################################### 66.2%
################################################## 70.0%
##################################################### 73.6%
####################################################### 76.8%
######################################################### 80.4%
############################################################ 84.3%
############################################################### 88.2%
################################################################## 92.1%
##################################################################### 96.0%
####################################################################### 99.8%
######################################################################## 100.0%
#=#=#
##O#- #
##O=# #
#=#=-# #
-#O#- # #
0.3%
# 1.6%
### 4.5%
############ 17.7%
################################################## 70.7%
######################################################################## 100.0%Then, define a function to plot the dataset
function preview_data(ds::GriddedDataset{FT}, ind::Int)
# preview data
return heatmap(view(ds.data,:,:,ind)',
origin="lower",
aspect_ratio=1,
xticks=[],
yticks=[],
c=:viridis,
size=(700,300),
framestyle=:none)
end
function preview_data(ds::GriddedDataset{FT}, ind::Int, clim::Tuple)
# preview data
return heatmap(view(ds.data,:,:,ind)',
origin="lower",
aspect_ratio=1,
xticks=[],
yticks=[],
c=:viridis,
clim=clim,
size=(700,300),
framestyle=:none)
endpreview_data (generic function with 2 methods)
Leaf level datasets
Leaf chlorophyll content
LCH_LUT = load_LUT(LeafChlorophyll{FT}());
mask_LUT!(LCH_LUT, FT[0,Inf]);
LCH_LUT = regrid_LUT(LCH_LUT, Int(size(LCH_LUT.data,2)/180));
anim = @animate for i ∈ 1:size(LCH_LUT.data,3)
preview_data(LCH_LUT, i, (0,80));
end
gif(anim, fps=5)
Leaf nitrogen content
LNC_LUT = load_LUT(LeafNitrogen{FT}());
mask_LUT!(LNC_LUT, FT[0,Inf]);
LNC_LUT = regrid_LUT(LNC_LUT, Int(size(LNC_LUT.data,2)/180));
preview_data(LNC_LUT, 1)Leaf phosphorus content
LPC_LUT = load_LUT(LeafPhosphorus{FT}());
mask_LUT!(LPC_LUT, FT[0,Inf]);
LPC_LUT = regrid_LUT(LPC_LUT, Int(size(LPC_LUT.data,2)/180));
preview_data(LPC_LUT, 1)Specific leaf area
SLA_LUT = load_LUT(LeafSLA{FT}());
mask_LUT!(SLA_LUT, FT[0,Inf]);
SLA_LUT = regrid_LUT(SLA_LUT, Int(size(SLA_LUT.data,2)/180));
preview_data(SLA_LUT, 1)Vcmax
VCM_LUT = load_LUT(VcmaxOptimalCiCa{FT}());
mask_LUT!(VCM_LUT, FT[0,Inf]);
VCM_LUT = regrid_LUT(VCM_LUT, Int(size(VCM_LUT.data,2)/180));
preview_data(VCM_LUT, 1)Stand level datasets
Canopy height
CHT_LUT = load_LUT(CanopyHeightGLAS{FT}());
mask_LUT!(CHT_LUT, FT[0,Inf]);
CHT_LUT = regrid_LUT(CHT_LUT, Int(size(CHT_LUT.data,2)/180));
preview_data(CHT_LUT, 1)Clumping index
# global clumping index
CLI_LUT = load_LUT(ClumpingIndexMODIS{FT}(), "12X", "1Y");
mask_LUT!(CLI_LUT, FT[0,1]);
CLI_LUT = regrid_LUT(CLI_LUT, Int(size(CLI_LUT.data,2)/180));
preview_data(CLI_LUT, 1, (0.4,1))# global clumping index per PFT
CLI_LUT = load_LUT(ClumpingIndexPFT{FT}());
mask_LUT!(CLI_LUT, FT[0,1]);
CLI_LUT = regrid_LUT(CLI_LUT, Int(size(CLI_LUT.data,2)/180));
anim = @animate for i ∈ 1:size(CLI_LUT.data,3)
preview_data(CLI_LUT, i, (0.4,1));
end
gif(anim, fps=1)
Gross primary productivity
# GPP MPI
anim = @animate for year ∈ 2001:2019, i ∈ 1:46
GPP_LUT = load_LUT(GPPMPIv006{FT}(), year, "1X", "8D");
mask_LUT!(GPP_LUT, FT[-100,Inf]);
preview_data(GPP_LUT, i, (0,10));
end
gif(anim, fps=20)